基于Copula和极值理论的在险价值度量

针对传统孤立使用GJR模型、极值理论、Copula理论进行风险分析的不足,把GJR模型、极值理论和Copula理论有机的结合起来,给出了基于Copula和极值理论的投资组合VaR的测度方法.首先利用GJR模型刻画单个资产收益率中的自相关和异方差现象,获得近似独立同分布的新息序列,再分别应用高斯核估计的方法、极值理论拟合新息序列的分布函数的内部和两尾,利用Copula函数有效捕抓了市场之间的波动溢出效应,最后使用Monte Carlo模拟法,计算出投资组合的VaR值.实证结果表明,基于Copula和极值理论的VaR度量方法比历史模拟法更有效.     

股票市场组合的市场风险度量研究——基于相关性模型

利用Copula的特点,灵活选择边缘分布模型、Copula函数和时变参数演化方程,构建16个相关性模型.在此基础上,通过蒙特卡罗模拟,采用VaR和ES度量资产组合的市场风险,并通过回测检验比较不同模型的风险度量效果.以沪深300指数和恒生指数为样本构建投资组合进行实证研究,结果表明,边缘分布模型、Copula时变参数演化方程和Copula函数的选择会影响风险度量的精度.在构建的16个相关性模型中,边缘分布为MSM-EVT,时变参数演化方程为GAS模型,Copula函数为Rotated Gumbel Copula的MSM-EVT-R-GAS模型风险度量效果最好.     

基于SVt-EVT-Vine Copula的投资组合VaR研究

针对现有风险度量模型不能准确的模拟高维金融资产收益率风险,以上证指数、沪深300指数和股指期货指数为例,首先利用SVt和EVT对各序列的边缘分布进行建模,然后采用Vine Copula方法分析多序列之间的秩相关关系和极大似然值估计法估计参数,得到RVine,CVine和DVine三种不同树结构的分解模型,通过Monte Carlo模拟法计算出在同一边缘分布不同Vine Copula方法下和在不同边缘分布同一Vine Copula方法下单资产和投资组合的金融风险VaR.经实证检验并分析对比,VaR和返回式检验均表明SVt和EVT相结合对边缘分布有较好的拟合效果,再运用RVine描述资产间的相依结构在度量投资组合金融风险方面更准确合理.     

基于藤Copula方法的巨灾风险条件VaR预测

为准确预测巨灾风险的条件VaR,应用藤Copula方法刻画巨灾损失变量间的相关结构,进而得到损失变量间的联合分布和条件分布函数,最终实现对条件VaR的估计.对全球洪水的损失数据进行实证分析,利用核密度估计检验法从常用多元Copula中选出最优的Copula作为比较对象,回测检验结果表明:准确刻画相关结构是精确估计条件VaR的关键,藤Copula方法对巨灾风险条件VaR的预测能力要优于常用多元Copula方法.     

基于多维Gumbel Copula函数的投资组合VaR分析

基于目前国内有关Copula函数的实证研究主要是研究二种资产的相关性为主,文章根据Copula函数在构建反映随机变量实际分布与相关性的联合分布函数上具有的优势,首先利用GJR模型构建资产的边缘分布,接着利用多元阿基米德Copula函数族中的Gumbel Copula函数构建了反映多个资产收益实际分布和相关性的联合分布函数,并使用蒙特卡罗模拟技术,分析在不同置信度下的投资组合的最小风险价值(VaR)及其资产组成,实证说明根据文章提出的模型度量资产的风险,可以使投资者选择的资产更加稳健,同时也有利于投资者对投资组合整体风险进行分散和监管。     

沪深300指数与沪深股市尾部相关性分析

根据沪深股市非线性的特征,利用Kendall秩相关系数与Copula函数之间的关系,对Copula函数的参数进行估计.选择Gumbel Copula、Clayton Copula和Frank Copula来度量上证综指、深证综指和沪深300指数之间的尾部相关性.实证结果分析,Clayton Copula函数能较好的度量出三个指数之间具有较强的下尾相关性,且进行量化后的相关性能够较好刻画股票市场的变化.     

藤Copula模型与多资产投资组合VaR预测

投资组合风险管理往往涉及多个资产,在传统的二元Copula函数面临"维度诅咒"问题及多元Copula函数刻画多变量联合分布时其精确性和灵活性存在各种局限性的情况下,引入藤Copula刻画多个资产收益的联合分布,基于不同的Pair-Copula类别构建藤Copula,运用蒙特卡罗模拟方法计算多资产投资组合的VaR,通过Kupiec和Christoffersen返回检验方法测试藤Copula模型的VaR预测效果,并与传统方差-协方差风险管理方法做比较。实证分析表明,传统的方差-协方差风险管理方法和基于正态Pair-Copula作为藤Copula构建模块的方法不能通过多资产投资组合的VaR预测返回检验;而基于student-t Copula、Clayton Copula具有尾部分布特征的Copula作为构建模块的藤Copula模型能够有效地用于多资产投资组合VaR预测,从而更好的用于指导实践。     

基于分段损失分布法和Copula的银行操作风险集成度量

多个风险单元的集成度量是银行操作风险管理的关键步骤之一。立足于操作风险的“厚尾”、“截断”性,从分段损失分布法的视角出发,探讨操作风险集成度量的模式和数值方法。首先,引入两阶段损失分布法来拟合单个风险单元边际损失分布,用双截尾分布代替传统的完整分布来刻画“高频低损”损失数据的双截断特性,利用POT模型捕获“低频高损”事件的厚尾特性。再次,基于分段建模思路,对传统度量过程中边际分布为单一、完整分布的Copula模型进行了扩展,研究边际分布为分段分布、截尾分布条件下使用Copula函数集成度量操作风险的框架和步骤,并设计了Monte Carlo模拟算法。最后,以实证分析的形式验证所构建模型。通过对中国商业银行416个操作风险损失数据的实证分析,结果表明分段分布、截尾分布能对单个风险单元边际分布有更好的拟合效果,能减小由于分布选择不当而引发的模型风险。分段度量视角下Copula函数的引入能灵活处理多个操作风险单元间的相依结构,使风险度量结果更为合理。     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

双边Burr分布及其在金融市场风险预测与优化中的应用

考虑到金融数据具有非对称、尖峰厚尾特征,文章将具有尖峰厚尾特征的Burr分布拓展至双边Burr(TSB)分布,给出了其重要的数字特征、极大似然估计、最小二乘估计以及加权最小二乘估计,并通过数值模拟验证了这三种参数估计方法的有效性.其次,文章基于TSB分布构建GJR-GARCH模型,旨在研究TSB分布相比于常见分布在度量金融风险方面的优势.实证结果表明,与正态分布、t分布、GED分布、双边Weibull分布和双边Lomax分布相比,基于该分布的GJR-GARCH模型具有最高的VaR预测精度.另外,文章将基于TSB分布的GJR-GARCH模型与Copula函数结合来构建均值-CVaR模型以研究多元投资组合的风险优化,实证研究亦表明能够刻画非对称特征的该模型具有更好的CVaR预测效果.最后,稳健性检验结果证实TSB分布对于金融风险预测以及投资组合优化的改进效果不依赖于波动率模型和Copula函数的设定.     

基于Clayton Copula-GARCH模型投资组合VaR的度量

运用Copula方法研究了含股指期货的投资组合的风险度量问题.首先采用不同的GARCH模型对单个资产收益率建模,然后选择Clayton Copula函数来描述投资组合各资产之间的相关结构,建立联合分布模型,进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的VaR.Kupiec检验表明,ClaytonCopula-GARCH模型在投资组合风险度量上具有较高的准确性.     

基于Copula-GJR-Skewt模型的投资组合风险预测研究

针对多元投资组合的风险预测,采用GJR-Skewt模型刻画单资产的厚尾、有偏特征,以及Copula模型刻画多元投资组合的非线性相关结构,用Monte Carlo方法模拟金融资产的随机分布,并结合滚动时间窗法,对投资组合的未来风险进行样本外动态预测.实证结果表明,Copula-GJR-Skewt模型对资产收益的风险预测能取得满意的效果;在VaR预测性能上,以GJR-Skewt模型作为边缘分布函数时,即使存在系统偏差,也能取得最优预测结果;预设残差服从有偏学生分布时,VaR的预测结果优于正态分布;传统的Garch-Guassian模型预测能力最差.     

基于TGARCH-t的混合Copula投资组合风险测度研究

在分析了现有Copula函数在测度投资组合风险不足的情况下,首先充分考虑资产波动的时变性、杠杆效应等特征,选择了TGARCH-t模型进行边缘分布建模.接着引入混合Copula模型来描述投资组合的复杂相关结构,同时利用构造的主对角线距离统计量等方法验证了混合Copula模型的优势.最后通过VaR的蒙特卡洛模拟结果看到,这种方法能更为精确的测度投资组合风险值.     

基于区间分析的投资组合VaR计算新方法

基于区间分析估计变量的累计概率分布是进行风险价值分析的一种新方法。本文将区间分析运用到股票投资组合的VaR计算中,研究区间分析在VaR计算方法中的应用。首先给出了基于区间分析估计分布函数的计算步骤,然后将区间分析运用到VaR的计算中,以两只股票的投资组合为例得出收益率的累计概率分布,从中得到某一置信度下的VaR值,最后与蒙特卡洛模拟方法做了比较研究,结果表明,基于区间分析的VaR计算方法的运算精度和计算速度明显优于蒙特卡洛模拟方法。     

Portfolio value-at-risk estimation in energy futures markets with time-varying copula-GARCH model

This paper combines copula functions with GARCH-type models to construct the conditional joint distribution, which is used to estimate Value-at-Risk (VaR) of an equally weighted portfolio comprising crude oil futures and natural gas futures in energy market. Both constant and time-varying copulas are applied to fit the dependence structure of the two assets returns. The findings show that the constant Student t copula is a good compromise for effectively fitting the dependence structure between crude oil futures and natural gas futures. Moreover, the skewed Student t distribution has a better fit than Normal and Student t distribution to the marginal distribution of each asset. Asymmetries and excess kurtosis are found in marginal distributions as well as in dependence. We estimate VaR of the underlying portfolio to be 95% and 99%, by using the Monte Carlo simulation. Then using backtesting, we compare the out-of-sample forecasting performances of VaR estimated by different models.     

基于VaR的SPAN系统在我国股指期货保证金中的应用研究

基于我国股指期货的真实数据,灵活运用参数VaR模型,蒙特卡罗方法和Copula技术,给出了SPAN系统应用在中国股指期货保证金上的详细步骤以及具有中国特色的参数设置方法,解决了股指期货推出初期SPAN系统中有关参数设置问题这一技术障碍.实证结果显示,我国股指期货合约所需保证金均低于当前国内股指期货保证金水平,应该改进保证金模式、降低保证金水平.     

基于时变Copula模型的 基金收益率相依关系的应用研究

基于时变Copula模型,获得预测方差,确定单个基金收益率序列的边缘分布.利用常见的静态Copula和时变Copula模型对基金收益率序列间两两相依关系进行建模并进行对比分析.应用研究表明,基于MCMC方法的时变Copula模型能更有效地度量基金收益率序列的风险.     

基于Copula的供应链金融质物组合价格风险测度研究

本文选取白银、铝和铜三种供应链金融质物作为研究对象,在分析三种质物收益率统计特征的基础上,引入Copula模型刻画供应链金融业务中质物收益率的“尖峰厚尾”特征以及质物收益率之间的非线性相关结构;采用Monte Carlo模拟方法测度考虑到极端情况下的质物组合价格风险值CVaR;利用时间平方根法则测度长周期视角下质物组合的价格风险。将CVaR与VaR测度结果进行对比,比较分析短期价格风险与长期价格风险,将Copula模型与传统风险测度方法下计算出的风险值进行对比,以期选取最优测度供应链金融质物组合长期价格风险模型。研究结果表明:从单一质物价格波动特征来看,三种单一质物的收益率均存在非正态分布和“尖峰厚尾”特征,具有一般金融资产收益率分布的特点。从模型的有效性来看,第一,CVaR比VaR能够更好地、全面地测度供应链金融质物组合的价格风险;第二,基于Copula模型的风险测度结果比传统集成风险测度结果的准确性高;第三,平方欧式距离法结果表明在五种Copula模型中,t-Copula是最优刻画供应链金融质物组合收益率间的相依关系的模型。从长短期风险测度结果来看,随着风险期限的增加,质物组合的价格风险值随之增大,以往研究中用短期风险测度往往会低估商业银行所面临的价格风险,不利于商业银行资金信贷的优化配置。得到的结论对我国商业银行开展供应链金融业务防范价格风险提供了量化支持。